“叶列立”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果2个，建议您升级VIP下载更多相关专利

[发明专利]基于混合表征学习的低剂量CT图像去噪方法-CN202310454243.1在审
发明人：张聚;叶列立;王奔;叶智毅;龚伟伟;应长钢 -专利权人：杭州师范大学
申请日： 2023-04-25 - 公布日： 2023-08-08 - 主分类号： G06V10/30 文献下载
摘要：本发明涉及一种基于混合表征学习的低剂量CT图像去噪方法。本发明使用编码器和解码器对称式结构，在每个编码器和解码器阶段，分别加入混合表征块，将卷积映射信息传递给自注意力模块，实现窗口内部和窗口间的信息交互，同时与Canny算子处理的图像增强信息进行拼接，最大程度的在不破坏原有部位局部信息的前提下更好的实现降噪功能。结合均方误差与基于Resnet的多尺度感知函数最终输出噪声图像与低剂量CT图进行残差处理，在保证去噪图像的去噪效果的同时还能保留有更多的细节纹理信息，提高低剂量CT图像的去噪效果。本发明能够较好的捕获全局信息和局部细节信息及解决边缘模糊问题，强化了CT图像的细节纹理。
基于混合表征学习剂量 ct 图像方法

[发明专利]一种基于分散注意力的Swin Unet变体医学图像分割方法-CN202310479849.0在审
发明人：张聚;叶智毅;王奔;叶列立;应长钢;龚伟伟 -专利权人：杭州师范大学
申请日： 2023-04-28 - 公布日： 2023-08-01 - 主分类号： G06V10/26 文献下载
摘要：本发明涉及一种基于分散注意力的Swin Unet变体医学图像分割方法。本发明通过构建分割模型SASUNet，结合卷积和Transformer，重新构建解码器，组合不同接收野的特征图以输出具有不同接受域大小组合的特征映射，增强SASUNet的多尺度表示；加入跳过连接模块，使编码器和解码器交叉参与以更有效地保存底层特征，还应用有效注意力机制获取多层次表示进行建模，从而提高目标区域特征的权重比。并设置训练策略和损失函数，对模型进行训练；验证已训练好的模型；本发明有效的结合Swin Unet和CNN，将Transformer能远程依赖捕捉全局信息的功能与CNN能捕捉更加详细的局部信息的功能进行结合，实现了将病灶部分从医学图像中自动分割。
一种基于分散注意力 swin unet 变体医学图像分割方法